由 Simon 中国AI评测新突破！红杉资本Xbench开源，ChatGPT-3霸榜，商业实战测试震撼登场，AI行业要变天了吗？
【中国风投机构发布AI评测新基准Xbench！ChatGPT-3全面领跑】
由红杉资本中国基金（HongShan Capital Group）开发的AI评测基准Xbench本周正式开源部分题库，向公众免费开放。这一创新工具不仅测试模型的学术能力，更首次将「真实商业场景任务」纳入评估体系，试图破解AI”死记硬背”的行业难题！
▌双轨评测：学术+实战双维度
• 学术能力测试
– Xbench-ScienceQA：涵盖生化、轨道力学等领域的硕士级STEM考题，由研究生命题、教授复核，重点考察推理链完整性
– Xbench-DeepResearch：10位专家设计的100道中文网络深度研究题（如上述边境城市问题），强调多源验证与数据诚实性
• 商业价值测试
– 已开放招聘/营销场景任务：
▶ 从800+网红中匹配广告主与短视频创作者
▶ 筛选5名电池工程师候选人并说明理由
– 即将上线金融、法律等专业领域题库（暂未开源）
▌首期排行榜亮点
| 类别 | 冠军 | 亚军 | 季军 |
|————|—————|——————–|—————-|
| 综合能力 | ChatGPT-3 | 字节跳动豆包 | Gemini 2.5 Pro |
| 招聘场景 | ChatGPT-3 | Perplexity Search | Claude 3.5 |
| 营销场景 | ChatGPT-3 | Claude/Grok | Gemini |
【幕后】红杉自2022年ChatGPT爆发后启动该项目，由合伙人宫源牵头组建含外部专家的团队，计划每季度更新题库并保持50%非公开数据。
「延伸思考」
1. 当AI评测标准由投资机构而非学术组织制定，会如何影响行业发展方向？
2. 中文网络深度研究能力测试是否暗示”本土化AI”将成为下一个竞争焦点？
阅读 Technology Review 的原文，点击链接。